Tesis Validadas: 2,591

Tesis de Posgrado: 2650

Número de Visitas: contador visitas

Por favor, use este identificador para citar o enlazar este ítem: https://rinacional.tecnm.mx/jspui/handle/TecNM/6144
Título : Ambiente de desarrollo para la alineación de secuencias genómicas con inteligencia artificial
Autor : Magdaleno Penaloza, Raul%1085353
Fecha de publicación : 2023-08-18
Editorial : Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Centro Nacional de Investigación y Desarrollo Tecnológico
Descripción : En la actualidad se utilizan y crean Ambientes de Desarrollo computacional (Frameworks) útiles para distintas áreas. El área de las ciencias genómica no es la excepción. Este proyecto propone un Framework desarrollado para la alineación de secuencias genómicas, que es una herramienta básica, que permite extraer la información funcional, estructural y evolutiva contenida en secuencias biológicas, cuyo principal objetivo, es el determinar la relación entre diferentes especies y cuantificar el grado de similitud que hay entre ellas, conservadas a través de los años. Este proyecto consiste en desarrollar un Framework que contiene métodos de alineación genómica mediante algoritmos clásicos de alineamiento y algoritmos de inteligencia artificial propuestos. Los algoritmos utilizados para este proyecto fueron Needleman-Wunsch, Smith-Waterman, Colonia de Abejas Artificiales y Algoritmo de Coste Uniforme. Estos algoritmos fueron seleccionados debido a las características para leer y generar resultados mediante la obtención de datos numéricos. Con la investigación de estos algoritmos, se planteó la hipótesis para su experimentación y de ser posible, su implementación, con el objetivo de encontrar diversas combinaciones, resultados y soluciones. Con este proyecto, se busca crear un Ambiente que facilite el proceso de alineamiento genómico para encontrar adaptaciones y encontrar diferentes similitudes en el alineamiento de secuencias a partir del algoritmo básico propuesto por Needleman-Wunsh e implementar de una manera óptima, métodos de Inteligencia Artificial.
metadata.dc.type: info:eu-repo/semantics/masterThesis
Aparece en las colecciones: Tesis de Maestría en Computación

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
MC_Raul_Magdaleno_Penaloza_2023.pdfTesis2.32 MBAdobe PDFVisualizar/Abrir
MC_Raul_Magdaleno_Penaloza_2023_C.pdf
  Restricted Access
Cesión de derechos257.36 kBAdobe PDFVisualizar/Abrir  Request a copy


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons